Glosario IA
El diccionario completo de la Inteligencia Artificial
Espacio de incrustación métrica
Espacio vectorial de baja dimensión donde las distancias entre puntos reflejan las similitudes semánticas entre las clases, optimizado para las tareas de clasificación few-shot.
Prototipo de clase
Representación vectorial central de una clase, calculada como el promedio de los embeddings de los ejemplos de soporte de esta clase en el espacio métrico.
Conjunto de soporte
Subconjunto de datos de entrenamiento utilizado para calcular los prototipos de clases durante un episodio de meta-aprendizaje, conteniendo un número limitado de ejemplos por clase.
Conjunto de consulta
Conjunto de ejemplos a clasificar utilizados para evaluar y actualizar las actuaciones del modelo durante el entrenamiento, sin participar en el cálculo de los prototipos.
N-way K-shot
Paradigma de aprendizaje few-shot donde N representa el número de clases a discriminar y K el número de ejemplos disponibles por clase en el conjunto de soporte.
Distancia euclidiana en el embedding
Medida de similitud utilizada para clasificar los ejemplos de consulta calculando su distancia a los prototipos de clases en el espacio de embedding aprendido.
Softmax sobre distancias
Función de activación que transforma las distancias negativas a los prototipos en probabilidades de distribución sobre las clases, utilizada para la clasificación de los ejemplos de consulta.
Episodio de meta-aprendizaje
Unidad de entrenamiento que simula una tarea few-shot completa, incluyendo la construcción de prototipos a partir del conjunto de soporte y la clasificación del conjunto de consulta.
Función de codificación
Red neuronal parametrizada que transforma las entradas brutas en vectores de embedding, optimizada para minimizar las distancias intra-clase y maximizar las distancias inter-clase.
Pérdida de entropía cruzada sobre distancias
Función objetivo que minimiza la divergencia entre la distribución predicha basada en las distancias a los prototipos y las etiquetas verdaderas de los ejemplos de consulta.
Inicialización de prototipos
Proceso de cálculo inicial de las representaciones de clases antes del entrenamiento, a menudo realizado mediante promediado aleatorio o pre-entrenamiento en datos más abundantes.
Transferencia zero-shot
Capacidad de las Redes Prototípicas para generalizar hacia clases no vistas durante el entrenamiento utilizando solo descripciones o atributos semánticos.
Actualización en línea de prototipos
Adaptación dinámica de las representaciones de clases durante la inferencia incorporando progresivamente nuevos ejemplos para refinar los límites de decisión.
Agregación ponderada de ejemplos
Variante mejorada del cálculo de prototipos que utiliza pesos para cada ejemplo de soporte basados en su calidad o relevancia para la representación de clase.
Espacio latente métrico
Representación intermedia aprendida donde la estructura geométrica preserva las relaciones de similitud entre las clases, facilitando la separación lineal en el espacio de prototipos.
Regularización de prototipos
Técnica que evita el sobreajuste restringiendo los prototipos a permanecer en regiones específicas del espacio de embedding o penalizando su dispersión excesiva.
Aprendizaje por episodios
Estrategia de entrenamiento donde cada lote contiene varios episodios few-shot independientes, permitiendo que el modelo aprenda a adaptarse rápidamente a nuevas tareas.
Distancia de Mahalanobis adaptativa
Extensión de las Redes Prototípicas que utiliza una métrica de distancia aprendida que tiene en cuenta la covarianza de los datos en cada clase para una mejor separación.
Prototipo dinámico
Variante donde los prototipos no son fijos sino que se adaptan según el contexto o las características específicas de cada ejemplo de consulta a clasificar.